基于先驗(yàn)融合和流形排序的顯著目標(biāo)檢測(cè).pdf

1、顯著目標(biāo)檢測(cè)可以應(yīng)用于許多計(jì)算機(jī)視覺(jué)任務(wù)中，包括內(nèi)容感知的圖像編輯，目標(biāo)分類(lèi)和識(shí)別，圖像前背景分割，圖像檢索等。因此，顯著目標(biāo)檢測(cè)近年來(lái)受到了很多的關(guān)注。顯著目標(biāo)檢測(cè)的主要任務(wù)是準(zhǔn)確提取出圖像中顯著目標(biāo)區(qū)域，并輸出一副顯著圖來(lái)表示每個(gè)像素屬于顯著目標(biāo)的可能性。
　　由于缺少高層的理解知識(shí)，自底向上的顯著目標(biāo)檢測(cè)是一個(gè)嚴(yán)重的病態(tài)問(wèn)題。利用合理的先驗(yàn)知識(shí)有助于病態(tài)問(wèn)題的解決?；诖耍疚奶岢隽艘环N新穎的先驗(yàn)融合(PriorIntegr

2、ation，PI)顯著目標(biāo)檢測(cè)算法。以往顯著目標(biāo)檢測(cè)模型一般都是基于對(duì)比度先驗(yàn)，但僅僅利用這一種先驗(yàn)仍存在很多的問(wèn)題，如不能均勻的突出目標(biāo)等。目前，很多工作將中心先驗(yàn)引入到顯著目標(biāo)檢測(cè)模型中。但是，中心先驗(yàn)對(duì)目標(biāo)位置十分敏感，目標(biāo)一旦偏離中心，中心先驗(yàn)將不再成立?；诖耍疚耐ㄟ^(guò)目標(biāo)粗定位算法來(lái)估計(jì)顯著目標(biāo)的中心，并假設(shè)目標(biāo)一般位于檢測(cè)的中心附近，來(lái)提升中心先驗(yàn)的魯棒性和有效性。而后將對(duì)比度先驗(yàn)和新的中心先驗(yàn)結(jié)合來(lái)得到初始的顯著圖。為了

3、進(jìn)一步改善初始顯著圖的效果，我們將圖像分割領(lǐng)域內(nèi)的光滑先驗(yàn)應(yīng)用于顯著目標(biāo)檢測(cè)。我們通過(guò)優(yōu)化一個(gè)圖模型上的連續(xù)二次能量方程來(lái)促使相鄰近似節(jié)點(diǎn)具有相似的顯著性值，即光滑先驗(yàn)，以使得最終顯著圖更加均勻的突出目標(biāo)。
　　本文將顯著目標(biāo)檢測(cè)看成是流形結(jié)構(gòu)上的排序問(wèn)題，提出了一種全新的流形排序(Manifold ranking，MR)顯著目標(biāo)檢測(cè)算法。首先，利用閉環(huán)k正則圖模型來(lái)模擬圖像數(shù)據(jù)的流形結(jié)構(gòu)。然后，構(gòu)建了一個(gè)兩級(jí)排序方案來(lái)高效的提取

4、顯著區(qū)域和背景區(qū)域。以往的顯著目標(biāo)檢測(cè)算法主要是利用顯著目標(biāo)的特性，如對(duì)比度先驗(yàn)，來(lái)直接檢測(cè)出目標(biāo)區(qū)域。少數(shù)算法則是主要考慮背景特征，來(lái)提取出背景區(qū)域，進(jìn)而得到顯著區(qū)域。與以往算法不同的是，本文提出的兩級(jí)排序算法同時(shí)考慮目標(biāo)和背景。第一級(jí)利用背景特性，提取出背景區(qū)域，進(jìn)而得到第二級(jí)需要的顯著目標(biāo)信息。第二級(jí)則利用目標(biāo)特性和第一級(jí)提供的目標(biāo)信息，直接提取出顯著區(qū)域。
　　通過(guò)在MSRA-1000和MSRA兩個(gè)公開(kāi)數(shù)據(jù)庫(kù)的大量實(shí)驗(yàn)結(jié)果